Nejnavštěvovanější odborný portál pro stavebnictví a technická zařízení budov

MICROPT DESIGN: Optimální dimenzování hybridních energetických systémů s bateriovým úložištěm

Článek řeší problém optimálního dimenzování hybridních energetických systémů s bateriovým úložištěm pro instalace s VN odběrem, kde jsou k dispozici záznamy odběrových diagramů elektrické energie a lze předpokládat, že charakter provozu se po instalaci technologií typu fotovoltaika s bateriovým úložištěm nezmění. Jedná se o nelehkou úlohu, neboť každá instalace je specifická svým charakterem odběru, cenami energií, polohou a požadavky investora. V článku je nastíněno, jak tento problém řešit s využitím metod numerické optimalizace implementovaných v nástroji MicrOpt Design, jehož použití je ukázáno na konkrétním příkladu.


© Fotolia.com

ÚVOD

Bateriová úložiště a hybridní energetické systémy obecně se i díky různým dotačním programům dostávají čím dál více do povědomí potenciálních investorů, kteří mají zájem snížit špičkové odběry energií, či množství přetoků z lokálně instalovaných zdrojů anebo zajistit modernější a ekologičtější způsob zálohování dodávek elektrické energie. Bateriové úložiště se typicky uvažuje u energetických systémů s fotovoltaickými panely (FVE) příp. s tepelným čerpadlem anebo s kogenerační jednotkou. Pro potenciální investory jsou k dispozici dotační tituly z programu Nová Zelená Úsporám na pořízení malých hybridních zařízení fotovoltaika + bateriové úložiště a dále dotační programy pro firmy z programu MPO OPPIK (zejména se jedná o prioritní osu 3, program úspory energie s/bez akumulace pro vlastní spotřebu nebo nízkouhlíkové technologie, příp. program úspory energie). Programy z OPPIK jsou vyhlašovány postupně v jednotlivých kolech až do r. 2020.

Problém nastává ve chvíli, kdy je nutno rozhodnout jaké mají mít jednotlivé subsystémy (bateriové úložiště, FVE atd.) výkony a další parametry. V současné době se používají jednoduché statické výpočty a expertní odhad, které mohou být, dle našich zkušeností, poměrně daleko od reality a celá investice se může stát ekonomicky nesmyslnou. V tomto článku proto ukážeme koncept nástroje pro efektivní dimenzování parametrů technologií pomocí metod datové analytiky a numerické optimalizace, kdy jsou využita, mimo jiné, hodinová data o spotřebě elektrické energie a měsíční data o spotřebě tepla k nalezení optimálních parametrů, které zohledňují budoucí ekonomiku systému (např. maximalizují čistou současnou hodnotu nebo návratnost investice). Popsaný koncept firma Feramat Cybernetics implementovala do software nazvaného MicrOpt Design.

Poznámka: V tomto článku vynecháme případ rodinných domů a zaměříme se čistě na velkoodběry (na vysokém napětí - VN), u kterých se setkáváme typicky s nějakým trvalým odběrem (base load) a špičkovým odběrem (peak load).

KONCEPT NÁSTROJE

Základní otázky pří návrhu hybridních energetických systémů jsou: Jak má být systém složen a jaké mají být technické parametry, aby se investice vyplatila a dávala ekonomicky smysl? Mohlo by se zdát, že návrh parametrů takového systému je snadný – stačí přece určit kapacitu úložiště (kWh), výkon měniče a velikost FVE (špičkový výkon a orientaci). K tomu se většinou použijí kvalifikované odhady nebo hodnota celkové spotřeby elektrické energie objektu za určité období (měsíc, rok), bez ohledu na skutečné hodinové průběhy. Obvyklým sekundárním cílem při instalaci hybridního systému je snížení rezervované kapacity. Správně odhadnout budoucí roční a měsíční rezervované kapacity, které mají na ekonomiku instalace významný vliv, nelze provést bez detailní simulace provozu založené právě na hodinových spotřebách.

Samotný návrh parametrů (neboli dimenzování) hybridního systému je tedy poměrně komplikovanou úlohou, a to i díky tomu, že řada hledaných parametrů (kapacita úložiště, výkon měničů, špičkový výkon fotovoltaiky, výkon kogenerační jednotky a další) se vzájemně ovlivňují a závisí nejen na charakteru spotřeby. Aby taková úloha byla efektivně vyřešena, na to již nestačí jednoduché výpočty v Excelu, ale ke slovu se dostává níže popsaný přístup, který využívá matematickou optimalizaci ve spojení s modelem dimenzovaného systému.

JAK NÁSTROJ FUNGUJE?

Prvním krokem je vždy vybrat cíl dimenzování hybridního systému. Typicky je to jedno z těchto ekonomických kritérií:

  • Uspořit co nejvíce nákladů na energie při omezení maximální výše investice
  • Nalézt takové parametry technologií, které povedou na nejkratší návratnost investice (ROI)
  • Nalézt takové parametry technologií, které povedou na maximalizaci čisté současné hodnoty přes sledované období (NPV)

ROI a NPV jsou standardní ekonomické parametry, které se používají pro ekonomické hodnocení investic. Kromě toho může být cílem i např. ekologické kritérium minimalizace uhlíkové stopy.

Poté je třeba zadat řadu vstupů, tj. technické parametry technologií (účinnosti měničů, účinnost baterií, max/min rychlosti nabíjení baterií, max/min povolený stav nabití baterie, samovolné vybíjení atd.), jednotkové ceny technologií, hodinové průběhy spotřeb (očištěné o případnou existující lokální výrobu), rozpis měsíční faktury za el. energii, polohu objektu (kvůli výběru typického průběhu slunečního osvitu) atd... Další možné vstupy do nástroje jsou např. maximální přípustná doba návratnosti investice, horní strop investice, maximální hodnota podílu energie odebrané ze sítě a energie spotřebované objektem, maximální procento přetoků do distribuční sítě z vyrobené energie (důležité kritérium v OPPIK projektech, kde je toto omezení nastaveno na přetoky maximálně 30 % z výroby) a další. Některá omezení mohou způsobit, že takto definovaná úloha nemá řešení (např. požadavek na ostrovní systém se 100% energie lokálně vyrobené při malém horním limitu investice), proto je nutné parametry nastavovat obezřetně, aby nástroj dokázal nějaké řešení spočítat.

Na základě zadaných vstupů program zformuluje model energetiky, který tvoří soustava rovnic a nerovnic. Ty popisují nejrůznější vazby a omezení svazující toky energií výrob a spotřeb v systému. Dále je to již úloha matematické optimalizace, která se předloží tzv. solveru. V případě systému bez kogenerační jednotky jde o úlohu tzv. lineárního programování (LP), v opačném případě jde o tzv. smíšené celočíselné lineární programování (MILP). Ze všech řešení splňujících kritéria pak solver vybere nejlepší variantu konfigurace. Během výpočtu probíhá detailní roční simulace provozu hypotetických hybridních FVE systémů s různými parametry (včetně optimální regulace) s hodinovým krokem, a tak výsledkem nejsou jen kýžené parametry, ale také kompletní hodinové průběhy pro všechny důležité proměnné v energetickém systému (nákup a prodej el. energie, stav baterie, průběh nabíjení/vybíjení, špičkový výkon FVE atd.).

Při simulacích případových studií nástroj předpokládá, že se počet cyklů baterie pohybuje v rozsahu doporučeném výrobcem, a tedy v rámci zaručené životnosti baterie. Rozšíření i na optimalizaci počtu cyklů baterie a degradaci kapacity je možné, nicméně vyžaduje detailní informaci o konkrétní technologii baterií.

PŘÍPADOVÁ STUDIE – MICROPT DESIGN

Jak již bylo zmíněno, tak je MicrOpt Design aplikace, která implementuje výše popsanou úlohu dimenzování. Předloží se jí soubor ve formátu Excel se vstupními informacemi a na výstupu obdržíme jednak Excel soubor s parametry a jednak HTML soubor s grafy průběhů (viz Obrázek 1).

Obrázek 1: MicrOpt Design – struktura aplikace
Obrázek 1: MicrOpt Design – struktura aplikace

Případová studie se týká 4 VN odběratelů, kteří mají shodnou fakturu (Obrázek 2) a tyto shodné charakteristiky:

  • Spotřeba 700 MWh/rok
  • Roční rezervovaná kapacita 150kW (bez měsíčních dokupů)
  • Lokalita, distribuční oblast EON
  • Směny:
    • Jednosměnný provoz – cca 7-15h
    • Dvousměnný provoz – cca 6-22h
Obrázek 2: Faktura
Obrázek 2: Faktura

Při použití klasického přístupu k dimenzování komponent hybridního systému bychom pro všechny čtyři navrhli stejné parametry technologií a rezervované kapacity. Pokud se ale podíváme detailněji, tak jsou průběhy odběrů zákazníků poměrně odlišné (viz Obrázek 2 až Obrázek 5):

  • Zákazník 1:
    • Dvousměnný provoz
    • Víkendové útlumy
  • Zákazník 2:
    • Jednosměnný provoz
    • Víkendové útlumy
  • Zákazník 3:
    • Dvousměnný provoz
    • Bez víkendových útlumů
  • Zákazník 4:
    • Jednosměnný provoz
    • Bez víkendových útlumů
Obrázek 3: Odběrový diagram – zákazník 1
Obrázek 3: Odběrový diagram – zákazník 1
Obrázek 4: Odběrový diagram – zákazník 2
Obrázek 4: Odběrový diagram – zákazník 2
Obrázek 5: Odběrový diagram – zákazník 3
Obrázek 5: Odběrový diagram – zákazník 3
Obrázek 6: Odběrový diagram – zákazník 4
Obrázek 6: Odběrový diagram – zákazník 4

Pro optimální návrh parametrů systému bateriové úložiště + měnič + FVE tedy pro všechny 4 zákazníky použijeme výše popsaný koncept ve formě software MicrOpt Design. Nejdříve definujeme základní vstupy:

  • Cíl: NPV horizont 8 let (tj. maximalizovat NPV)
  • Provozní SOC v rozsahu 20-90%
  • Rychlost nabíjení 2h, vybíjení 1h
  • Maximální míra přetoků z FVE 30%
  • Poměr kapacity baterie vůči výkonu FVE 500%
  • Cenové parametry (z faktury za elektrickou energii)
  • 60% dotace na FVE + bateriové úložiště
  • Energetická bezpečnost ohodnocena na 40 tis. Kč/rok. Tato hodnota vyjadřuje hypotetické škody způsobené nestabilní sítí nebo jejími výpadky (například přerušením výroby díky výpadkům). Instalovaná baterie dokáže takové situace odstranit a zajistit daleko stabilnější dodávky energie.

Další parametry nebudeme nyní rozepisovat.

Do aplikace se nahraje vstupní Excel soubor (v jednom souboru může být vyplněno více zákazníků) a spustí se. Například pro zákazníka číslo 4 dostaneme výsledné grafy průběhů pokrývající 3 měsíce (květen-červenec) ukázané na Obrázek 7. Modrou barvou je zde průběh původního nákupu elektrické energie, oranžově je znázorněn projektovaný průběh spotřeby elektrické energie ze sítě, zeleně projektovaná dodávka elektřiny do sítě a červeně stav baterie v % SOC. Z grafu je jasně patrné, že nákupy elektrické energie díky vlastní výrobě a akumulaci výrazně poklesly. Takové grafy obdržíme pro každého zákazníka.

Obrázek 7: Zákazník 4 - výstupní grafy
Obrázek 7: Zákazník 4 - výstupní grafy

Kromě grafů nám program pro každého zákazníka poskytne jednak parametry technologií a jejich provozování (viz Tabulka 1) a jednak měsíční a roční rezervované kapacity elektrické energie. Celkové rezervované kapacity (roční + měsíční) pro celý rok ukazuje Obrázek 8.

Tabulka 1: Výsledné parametry
Tabulka 1: Výsledné parametry
Obrázek 8: Výsledné celkové rezervované kapacity
Obrázek 8: Výsledné celkové rezervované kapacity

Jak je z výsledků jasně patrné, tak hodnotit všechny 4 zákazníky bez uvažování skutečných hodinových průběhů spotřeb by byla hrubá chyba. Získané výsledky lze interpretovat takto:

  • U dvousměnných provozů se nevyplatí přehnaná snaha o peak-shaving (vyhlazování špiček)
  • Naopak u jednosměnných provozů je větší potenciál na peak-shaving
  • Optimální sestava a její parametry vede k menším výkonům FVE a menší kapacitě baterií.
  • Úspora na rezervované kapacitě dokáže zaplatit zvýšené náklady na technologii.
  • Měnič je pak typicky dimenzovaný podle nejvyššího rozdílu mezi původní a nově navrhovanou rezervovanou kapacitou (pokud není v plánu využívat systém i na plný ostrovní provoz). V případě požadavku na off-grid provoz se pak měnič dimenzuje podle potřeb systému. Zde již není důležitá ekonomika měniče, protože cílem je zajistit fungování systému.

ZÁVĚR

V článku byl představen datově analytický přístup k dimenzování hybridních energetických systémů s intermitentními zdroji energie a akumulacemi. Tento nástroj pojmenovaný MicrOpt Design díky využití provozních dat, která nesou velkou informační hodnotu, dokáže optimálně zvolit parametry, stanovit ekonomiku investice (a jak dosáhnout maximálního zhodnocení investice) či zajistit splnění požadavků případné dotace.

V případové studii bylo ukázáno, proč je důležité pro dimenzování systémů pracovat s charakteristickými odběrovým diagramy, a nejen s celkovými odběry, které mohou přinést zavádějící výsledky.

Představený koncept se neomezuje jen na kombinace FVE + bateriové úložiště a lze jej velmi dobře využít pro dimenzování parametrů u více technologií. Z jiných aplikací, kde byl tento nástroj využit, jmenujme:

  • Systém, který byl navíc osazen technologií power2gas a palivovým článkem (design kapacity, výkonu generátoru a článku…)
  • Návrh zdrojů a akumulací pro lokální distribuční soustavu
  • Systém navíc osazený kogenerační jednotkou, ORC jednotkou a další.

Provozní a energetická data jsou mnohdy málo využívaná, nicméně pro správný návrh úsporných opatření jsou absolutně nezbytná. Zejména pro velkoodběratele elektrické energie, kteří se dají charakterizovat nějakým standardním odběrovým diagramem a potenciální výše investice do těchto moderních technologií snadno přesáhne mil. Kč, dává velký smysl využít tato data pro optimalizaci návrhu.

Optimální design navržený výše uvedenou metodou však vždy vyžaduje kvalitní systém pro řízení tak komplexní technologie, na což se někdy zapomíná. Pro dosažení uvedené ekonomické efektivity je zejména nutné využívat pro rozhodování o nabíjení a vybíjení bateriového úložiště predikce výroby elektrické energie a predikce charakteru odběru energie objektem, což jsou základní součásti nástroje MicrOpt Control firmy Feramat Cybernetics založeného rovněž na principech matematické optimalizace a prediktivního řízení. MicrOpt Control nabízí optimální řízení hybridních systémů včetně např. řízení 1/4h maxim a je nadřazenou regulací klasickému systému MaR.

English Synopsis
MICROPT DESIGN: Optimal sizing of battery-powered hybrid power systems

The paper deals with the problem of optimal sizing of battery-powered hybrid power systems for HV extraction installations, where electricity consumption diagrams are available and it can be assumed that the nature of the operation will not change when photovoltaic technology is installed with battery storage. This is a difficult task, as each installation is specific to its nature of consumption, energy prices, location and investor requirements. The article outlines how to solve this problem by using the numerical optimization methods implemented in MicrOpt Design, the use of which is shown in a specific example.